买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆邮电大学申请的专利一种基于深度投票机制的端到端瞳孔中心定位方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114360040B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210005369.6，技术领域涉及：G06V40/18；该发明授权一种基于深度投票机制的端到端瞳孔中心定位方法是由米建勋;袁士尧;陈涛;钱基业;程晓设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本一种基于深度投票机制的端到端瞳孔中心定位方法在说明书摘要公布了：本发明涉及一种基于深度投票机制的端到端瞳孔中心定位方法，属于计算机视觉应用领域。该方法包括：S1：获取包含人脸的图像集，并对图像集进行标注，然后将标注后的图像集分为训练集和测试集；S2：构建瞳孔中心定位模型，并将训练集输入模型进行训练；S3：将测试集中的待定位图像输入训练好的瞳孔中心定位模型，得到最终的瞳孔中心定位坐标。本发明通过将卷积神经网络和经典视觉中的投票机制相结合，在保持高精度定位的同时，实现了端到端的数据流处理。

本发明授权一种基于深度投票机制的端到端瞳孔中心定位方法在权利要求书中公布了：1.一种基于深度投票机制的端到端瞳孔中心定位方法，其特征在于，该方法具体包括以下步骤：S1：获取包含人脸的图像集，并对图像集进行标注，然后将标注后的图像集分为训练集和测试集；S2：构建瞳孔中心定位模型，并将训练集输入模型进行训练，具体包括以下步骤：S21：构建瞳孔中心定位模型：使用卷积神经网络作为特征提取的骨干网络，构建瞳孔中心定位算法头，包含描述子分类器和偏移回归器；S22：将训练图像I输入骨干网络，提取出特征集F，将特征集F输入瞳孔中心定位算法头，通过描述子分类器和偏移回归器，得到预测的描述子得分集score以及偏移向量集offset；S23：将步骤S22得到的描述子得分集score以及偏移向量集offset输入损失计算模块，得到损失值；S24：根据步骤S23计算出的损失值，使用梯度下降优化算法将其回传，对瞳孔中心定位模型进行训练，迭代至收敛；S25：将样本集输入投票模块以及瞳孔中心抑制模块，得到最终的瞳孔中心定位结果，具体包括以下步骤：S251：将待检测的图像I输入步骤S24训练好的模型，经过特征提取模块和瞳孔中心定位算法头，得到特征集F以及描述子得分集score和偏移向量集offset，将特征集F按照各自的步长映射回原图，得到样本集sampleSet；S252：将步骤S251得到的样本集sampleSet，根据描述子得分进行过滤，得分大于阈值T的样本被选为描述子，得到描述子集descriptorSet；初始化与原图尺寸相同的累加矩阵accMatrix，对每个描述子，将其坐标与对应预测出的偏移向量进行向量加法，得到一组预测的瞳孔中心坐标ex，ey，在累加矩阵对应位置的bin中加上描述子的得分scoredp，计算公式如下： 其中，dp表示每一个特定的描述子，dpx和dpy表示描述子的坐标，和表示该描述子预测的偏移量；S253：将步骤S252得到的累加矩阵accMatrix根据其各个bin中的数值大小进行降序排序，排序结果记作sortedBin，取sortedBin中第一个bin的坐标记作EC0，对剩下的全部bin，计算其与EC0的欧氏距离，将超过抑制阈值Tnms的bin从sortedBin剔除，组成抑制集nmsSet，对nmsSet中的每个bin，将其坐标加权至EC0上，得到修正后的EC0，计算公式如下：EC0+＝accMatrixposition·positionsortedBin＝sortedBin\bin其中，position为对应bin在原始累加矩阵中的坐标，accMatrixposition表示累加矩阵accMatrix上对应position处的累加值；在sortedBin剩下的bin中，取第一个bin的坐标记作EC1，再进行上述操作，得到修正后的EC1，EC0与EC1作为最终定位的瞳孔中心返回；S3：将测试集中的待定位图像输入训练好的瞳孔中心定位模型，得到最终的瞳孔中心定位坐标。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。